基于时间序列的联合火力战毁伤效能预测

根据联合火力战毁伤效能概念,借助作战能力变化,给出了新的毁伤效能计算公式,提出了一种联合火力战毁伤效能动态实时预测方法,在分析联合火力战特性基础上,同时考虑了系统的线性与非线性情况,制定了模型更新策略,最后通过仿真示例对模型进行检验,预测精度较高,表明该方法具有一定的实用性。     

基于干涉矩阵的拆卸序列规划算法研究

为解决拆卸序列规划理论算法存在的求解空间过大的问题,提出一种基于干涉矩阵的规划算法。该算法用于涉矩阵和干涉图来表现装配体零部件间的约束关系,通过对干涉矩阵的分析处理,简化干涉图,生成拆卸序列,达到了缩减求解空间的目的,保证了算法同工程实际的一致性,提高了实际应用和软件编程的能力。     

汽车悬架控制臂的多目标拓扑优化

以多工况下的柔度(静态)和振动固有频率(动态)为目标函数,对汽车悬架控制臂进行多目标拓扑优化。基于SIMP变密度的拓扑优化方法,将多级容差序列规划与折衷规划法相结合,首先进行自由振动工况下的频率优化,然后以此为基础进行静态工况下的柔度优化,最终得到了同时满足静态柔度最小和振动低阶频率最高要求的控制臂拓扑结构。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

沪昆客专姚家隧道施工监测中拱顶下沉量的时间序列分析及预测

沪昆客运专线姚家隧道采用新奥法施工,施工位移监测对于评价围岩稳定性和支护结构合理性起着重要作用,但监测数据具有离散性,测量误差具有随机性.将隧道拱顶下沉数据序列视为随机过程,应用时间序列分析方法,建立自回归模型,对姚家隧道拱顶下沉监测数据进行拟合分析,利用 Matlab 软件中有关时间序列函数编制计算程序,运用有理函数判断围岩的稳定性.应用所建立的模型对拱顶下沉量进行10 d的预报,预测数据与实测数据符合较好.通过对观测沉降数据序列动态建模,并依据预测数据和围岩支护变形管理规定动态指导隧道施工和防护,有利于提高隧道施工安全.     

上海国际航运人才资源需求预测研究

一、引言(一)研究的意义做好上海国际航运人力资源开发工作,可以加快上海国际航运中心建设速度,促进上海交通事业的发展和上海经济的增长。同时,上海国际航运业的发展又可以影响对人力资源的需求,我们必须把握未来上海国际航运业的人力资源需求总量以及需求结构。本文旨在通过对上海国际航运业未来人力资源的发展预测,指导上海国际航运人力资源引进与人力资源培养的方向,使人力资源总量能够满足上海国际航运业发展的要求,人力资源结构能够适应上海国际航运业的升级调整,防止结构性的人力资源供给不足或过剩。(二)研究的方法1.定性预测与定量…     

基于ARMA模型的经济非平稳时间序列的预测分析

时间序列分析方法是经济领域研究的主要工具之一．它用合适的模型描述历史数据随时间变化的规律，并预测经济变量值．而ARMA模型是适用于任何序列的发展形态的一种高级预测方法，它描述时间序列的动态性和发展变化规律．文中通过ARMA模型分析时间序列的随机性和平稳性，以一种商品月度销售额具体分析，用sas软件检验模型的可行性，并预测应用．结果表明．模拟值和真实值接近，在实际应用中预测值的准确对于指导商家的战略决策起重要作用．     

基于轨迹数据的货车自发编队节油潜力估计

为探索最大编队长度和路网中行驶货车数目对自发编队的影响以及评估真实世界自发编队油耗节省潜力,提出了既可保证一定程度的搜索又能防止为过分追求更大编队长度而花费较长时间等待的动态时空搜索范围策略,利用辽宁省货车轨迹数据挖掘了多辆货车的最长公共子序列,并构建整数规划模型求解,获取最大节省油耗下的编队方案。结果显示：编队油耗节省会随着路网中行驶货车数目和最大编队长度的增加而增加,编队中车辆平均行驶距离和平均节省油耗最终分别收敛至一范围;编队行驶距离并不一定会随着允许最大编队长度的增加而增加,即自发编队最大油耗节省策略并非编队最大行驶距离策略;在不考虑时间搜索范围时,通过继续增大空间搜索范围可实现更多的燃油节省,但不考虑空间搜索范围时持续增加时间搜索范围却不能获得更多燃油节省;4000辆车的数据集进行自发编队时每天最多可节省燃油2026.21 L,最大允许编队长度为5辆比最大允许编队长度为2辆的车辆平均节省油耗最多可提升13.92%。将本文整套处理流程应用于更大规模的货车数据集,可组成自发编队的目标车辆将会显著增加,相应地也可减少更多的能源消耗和污染物的排放,具有很大的应用潜力。     

基于LMD-TCN的高铁沿线风速观测资料质量控制算法研究

大风是影响高铁安全运行的主要气象灾害之一,为保证高铁的运行安全,需监测高铁沿线风速观测资料。高铁沿线风速数据在采集和传输的过程中易受到各种干扰,导致风速观测资料中存在一些可疑值,故对其进行质量控制是解决此类问题的必要环节。提出一种融合局部均值分解法(Local Mean Decomposition, LMD)和时间卷积网络法(Temporal Convolutional Network,TCN)的风速观测资料质量控制算法,以此来提高高铁沿线风速观测资料的质量。为证明该方法的可行性,选取我国京沪高铁沿线江苏段4个观测站2018年秒级风速观测资料进行质量控制分析,并与时间卷积网络法(TCN)、长短期记忆神经网络法(Long Short-Term Memory,LSTM)和支持向量回归法(Support Vector Regression,SVR)这3种方法对比。通过插入人工误差,并以检错率为评价指标来衡量上述4种方法进行质量控制的效果。试验结果表明,该方法相比于其他3种方法能准确地检测出人为插入的误差,可以满足高铁沿线风速质量控制的需求,同时具有季节适应性强的特点。     

基于极限学习机的质子交换膜燃料电池在线故障诊断方法

为解决质子交换膜燃料电池故障诊断中的增量学习应用问题,提出了基于在线序列极限学习机和无监督极限学习机的在线学习诊断方法.利用无监督极限学习机对故障特征向量进行降维处理以得到能够反映燃料电池系统状态的特征向量,使用在线序列极限学习机对处理后的特征向量进行分类以获得增量学习能力,使用K均值聚类辅助进行增量学习的新数据标记....